愛華網(wǎng)???? 近二十年來，由計(jì)算機(jī)應(yīng)用帶來的IT技術(shù)發(fā)展很快將人類推入了大數(shù)據(jù)時(shí)代。據(jù)不完全統(tǒng)計(jì)，全球企業(yè)的信息存儲(chǔ)量大約為1.8至2.2ZB（1ZB等于10的21次方比特）。這一大數(shù)據(jù)正在迅速膨脹。大數(shù)據(jù)的出現(xiàn)使得全球企業(yè)自愿或不自愿地改變了傳統(tǒng)的企業(yè)管理決策模式，以求在激烈競(jìng)爭(zhēng)的國際市場(chǎng)上取得自身的優(yōu)勢(shì)。 人是創(chuàng)造大數(shù)據(jù)的主體。我國企業(yè)身居世界人口最多的國家，創(chuàng)造大數(shù)據(jù)的速度正在接近或超過發(fā)達(dá)國家。我國至今有5.64億網(wǎng)民、4.2億手機(jī)用戶。他們的各類活動(dòng)通過互聯(lián)網(wǎng)或通訊手段不斷地輸送給企業(yè)海量的數(shù)據(jù)。在大數(shù)據(jù)背景下，我國企業(yè)應(yīng)盡快地將已有的企業(yè)管理決策模式改變?yōu)椤皵?shù)據(jù)驅(qū)動(dòng)的決策管理”。 人們熟知的企業(yè)決策管理是指企業(yè)在特定條件下，從決策目標(biāo)的確定、信息收集、建立多個(gè)決策方案、尋找優(yōu)化方案、執(zhí)行方案及反饋控制等6個(gè)環(huán)節(jié)的活動(dòng)管理。這個(gè)定義中“信息收集”與大數(shù)據(jù)密切相關(guān)。對(duì)于如何達(dá)到高水平的企業(yè)決策管理境界，管理學(xué)者有不同的解釋。比如，美國密歇根大學(xué)的弗蘭克 · 耶茨（Frank Yates）認(rèn)為成功的企業(yè)決策需要有10個(gè)關(guān)鍵的步驟：需求（need）、模式（mode）、投入（investment）、選擇（options）、可能性（possibility）、判定（judgment）、價(jià)值（value）、交換（trade offs）、接受度（acceptability）、執(zhí)行（implementation）。根據(jù)上述的企業(yè)決策管理定義，耶茨的理念大致地分化為“需求”屬于“決策目標(biāo)的確定”的范疇；“投入”與企業(yè)特定條件，諸如物資資源和成本有關(guān)；“可能性”、“接受度”和“價(jià)值”與“反饋控制”和企業(yè)特定條件，諸如投資者和市場(chǎng)反應(yīng)有關(guān)；“交換”和“判定”則是“尋找優(yōu)化方案”；“執(zhí)行”與“執(zhí)行方案”是一致的。如此分析看來，耶茨的模型忽略了現(xiàn)代企業(yè)最重要的基礎(chǔ)——大數(shù)據(jù)！它引起了企業(yè)決策根本性的改變。 如何提倡大數(shù)據(jù)背景下的新的企業(yè)決策管理模式呢？筆者認(rèn)為，答案之一是將已知的企業(yè)決策管理修正為“數(shù)據(jù)驅(qū)動(dòng)的企業(yè)決策管理”（Data-Driven Enterprise Decision Management）。要建立這樣一個(gè)新的企業(yè)決策管理方法，首先要對(duì)大數(shù)據(jù)有一定的了解。 大數(shù)據(jù)展示了4個(gè)“V”的特征：即體量大（volume）、狀態(tài)多（variety）、生成快（velocity）和含有高價(jià)值（value）。其中前3個(gè)“V”都給數(shù)據(jù)收集與預(yù)處理帶來了高難度。如何快捷地將大數(shù)據(jù)從非結(jié)構(gòu)化或半結(jié)構(gòu)化（諸如音像、圖片、文字等）狀態(tài)轉(zhuǎn)化為類似結(jié)構(gòu)化的多維數(shù)據(jù)表格以便計(jì)算機(jī)能高效地處理和清洗，是每個(gè)企業(yè)面臨的巨大挑戰(zhàn)。至今還沒有能統(tǒng)一處理大數(shù)據(jù)前3個(gè)“V”的標(biāo)準(zhǔn)技術(shù)。大數(shù)據(jù)的第4個(gè)“V”（value）表示大數(shù)據(jù)在其低密度的價(jià)值中含有巨大的看不見的高價(jià)值。尋找大數(shù)據(jù)的高價(jià)值必須像從金礦中淘金一樣要進(jìn)行數(shù)據(jù)挖掘。 其實(shí)，過去十幾年的數(shù)據(jù)挖掘的方法和技術(shù)就可以用于企業(yè)決策的重新制定。其中最重要的方法之一是1999年歐盟起草的稱為“跨行業(yè)數(shù)據(jù)挖掘過程標(biāo)準(zhǔn)”（cross-industry standard process for data mining，CRISP-DM）。這個(gè)標(biāo)準(zhǔn)已普遍被許多數(shù)據(jù)分析軟件公司采用，例如SPSS，NCR等運(yùn)用于其高級(jí)數(shù)據(jù)挖掘工具的開發(fā)中。我們可以將CRISP-DM的6個(gè)階段（見圖1）運(yùn)用于企業(yè)決策管理的6個(gè)環(huán)節(jié)中，從而建立數(shù)據(jù)驅(qū)動(dòng)的企業(yè)決策管理模式（如圖2）。 數(shù)據(jù)驅(qū)動(dòng)的企業(yè)決策管理模式的主要思想是將“跨行業(yè)數(shù)據(jù)挖掘過程標(biāo)準(zhǔn)”嵌入“企業(yè)決策管理過程”，使后者成為將大數(shù)據(jù)作為企業(yè)決策基礎(chǔ)的新時(shí)代管理方式。在大數(shù)據(jù)時(shí)代，任何企業(yè)的決策目標(biāo)都會(huì)來源于大數(shù)據(jù)所反映的客戶需求，“業(yè)務(wù)理解”本身就是數(shù)據(jù)的商業(yè)表現(xiàn)?！靶畔⑹占本褪菑拇髷?shù)據(jù)中提取與目標(biāo)相關(guān)的數(shù)據(jù)集。將數(shù)據(jù)進(jìn)行清理與轉(zhuǎn)化（非結(jié)構(gòu)、半結(jié)構(gòu)轉(zhuǎn)為結(jié)構(gòu)性數(shù)據(jù)），然后用數(shù)據(jù)挖掘算法或軟件工具進(jìn)行不同方式的挖掘，以求在多個(gè)決策方案中尋找最優(yōu)方案。應(yīng)當(dāng)指出的是通過數(shù)據(jù)挖掘?qū)ふ业降摹白顑?yōu)方案”與決策者需求的“最優(yōu)方案”可能不一致。一旦不一致，需要通過“反饋控制”把決策者的主觀知識(shí)與數(shù)據(jù)挖掘相結(jié)合產(chǎn)生最終用于決策的“智能知識(shí)”（Intelligent Knowledge），它才是企業(yè)決策所需求的決策支持。智能知識(shí)是在數(shù)據(jù)挖掘的基礎(chǔ)上，在給定問題和問題求解環(huán)境的約束下，針對(duì)特定的目標(biāo)，結(jié)合決策者的主觀知識(shí)（包含本能知識(shí)、經(jīng)驗(yàn)知識(shí)、規(guī)范知識(shí)、常識(shí)知識(shí)、情境知識(shí)）進(jìn)行“二次挖掘”所生成的知識(shí)表達(dá)。
簡(jiǎn)言之，數(shù)據(jù)驅(qū)動(dòng)的企業(yè)決策管理就是將數(shù)據(jù)挖掘的方法流程應(yīng)用于企業(yè)決策管理過程，使企業(yè)決策完全依賴于大數(shù)據(jù)的分析和預(yù)測(cè)，避免任何由直覺性決策所引起的決策失誤。企業(yè)的決策在大數(shù)據(jù)時(shí)代是數(shù)據(jù)驅(qū)動(dòng)的決策！大數(shù)據(jù)對(duì)企業(yè)決策管理來說是大挑戰(zhàn)，但是，這個(gè)挑戰(zhàn)本身就是企業(yè)的大機(jī)會(huì)。能及時(shí)駕馭“數(shù)據(jù)驅(qū)動(dòng)的企業(yè)決策管理”的企業(yè)必將在大數(shù)據(jù)時(shí)代成為市場(chǎng)競(jìng)爭(zhēng)中的勝利者。
愛華網(wǎng)本文地址 » http://www.klfzs.com/a/9101032201/42556.html
